PDF til tekst-konverter
Skræl en PDF ned til ordene: ingen skrifttyper, ingen billeder, intet layout, kun en .txt-fil, som du kan søge i, indsætte, sammenligne, sende videre til et script eller lægge i et oversættelsesværktøj. Scannede sider læses først med OCR.
PDF-konverter
eller slip PDF-filer her ·
Maks. 95 MB pr. fil· Op til 20 filer· Slettes efter 30 minutter
Filer behandles på vores servere og slettes efter 30 minutter.
Scannede PDF-filer er billeder af sider. Auto kører kun OCR på sider uden tekstlag; Til tvinger det på alle sider.
Sproget i scanningen. Det rigtige valg forbedrer mærkbart nøjagtigheden for accenter og ikke-latinske skriftsystemer.
Flydende tekst ombrydes til almindelige afsnit, der er nemme at redigere. Nøjagtigt layout placerer hver blok, hvor den var, hvilket ser ens ud, men er sværere at redigere.
Hvor fundne tabeller placeres i projektmappen.
Sidetal eller områder adskilt af kommaer, f.eks. 1-3, 5, 8-10.
Sådan bruger du værktøjet
- 1
Træk PDF'en ind
Upload en enkelt PDF eller op til 20 filer, hver på op til 95 MB. Blandede filer med både indtastede og scannede sider behandles side for side.
- 2
Afgræns udvalget, hvis du vil
Almindelig tekst er allerede valgt under Konvertér til. Brug Sider, der skal konverteres under Avancerede indstillinger for kun at udtrække det kapitel eller bilag, du har brug for.
- 3
Download .txt-filen
Tryk på Konvertér til Almindelig tekst. Filen er kodet i UTF-8, så accenter og ikke-latinske skrifttyper vises korrekt i enhver moderne editor.
Hvad er den reneste måde at få tekst ud af en PDF på?
Konvertér den til en almindelig .txt-fil. Du får hvert ord i læserækkefølge, med afsnit adskilt af tomme linjer og intet andet, klar til enhver editor eller ethvert program.
Hvad tekstudtræk fra PDF bevarer og fjerner
Konverteren gennemgår hver side i læserækkefølge, oppefra og ned og spalte for spalte, og skriver de tegn, den finder. Linjer, der hører til samme afsnit, samles, og afsnit adskilles af en tom linje. Hver sides tekst følger efter den forrige side, så et kapitel læses som ét sammenhængende stykke.
Alt visuelt fjernes: skrifttyper, størrelser, farver, billeder, diagrammer og tekstens placering på siden. Det er meningen. En rapport på 10 MB fuld af fotos ender typisk som en tekstfil på nogle hundrede kilobyte, som er lettere at søge i, sammenligne mellem versioner med et diff-værktøj eller indsætte i et oversættelses- eller analyseværktøj.
Brugere af kommandolinjen kender måske pdftotext fra projekterne Poppler og Xpdf, som gør noget lignende på digitale PDF-filer. Forskellen her er OCR: sider uden tekstlag genkendes på det sprog, du vælger, i stedet for at komme ud tomme. Til billeder, der slet ikke er PDF-filer, kan du bruge billede til tekst.
Ren tekst, Markdown eller Word: vælg det rigtige output
Almindelig tekst
Kun ord, UTF-8.
- Mindste fil
- Åbner i alt
- Ingen overskrifter eller formatering
Markdown
Tekst med let markup.
- Overskrifter markeret med #
- Lister og fed skrift bevares
- Stadig en tekstfil
Word-dokument
Fuldt redigerbart layout.
- Tabeller og billeder bevares
- Typografier bevares
- Kræver et tekstbehandlingsprogram
Hvorfor tekstfilen er så lille
1 bytepr. engelsk bogstav, ciffer eller mellemrum i en UTF-8-tekstfil
Portable Document Format
PDF blev skabt af Adobe i 1993 og blev den åbne ISO 32000-standard i 2008. Det fastlåser tekst, skrifttyper, billeder og layout, så et dokument ser ens ud på alle skærme og printere. PDF-filer kan indeholde formularer, signaturer, links, vedhæftede filer og søgbar tekst, og varianten PDF/A bruges til langtidsarkivering. Det faste layout gør PDF-filer svære at redigere, og scannede PDF-filer indeholder kun billeder, medmindre der bruges OCR. Alle browsere og operativsystemer kan åbne dem.
- Komprimering
- –
- Gennemsigtighed
- Ja
- Animation
- Nej
- Introduceret
- 1993 · Adobe
TXT
Almindelig tekst
En TXT-fil indeholder kun almindelige tegn uden formatering, skrifttyper, billeder eller layout. Moderne tekstfiler er som regel kodet i UTF-8, som dækker alle sprog, mens ældre filer kan bruge andre kodninger og vise forvrængede tegn. Almindelig tekst fylder næsten ingenting, bliver aldrig forældet og åbner på alle enheder, fra telefoner til servere. Den kan ikke indeholde fed tekst, tabeller eller billeder, så struktur må udtrykkes med mellemrum eller enkel markup.
- Komprimering
- –
- Gennemsigtighed
- –
- Animation
- –
- Introduceret
- –
Man trækker almindelig tekst ud af en PDF, når det kun er ordene, man skal bruge, til søgning, citater, oversættelse, datarensning eller som input til et andet program, og layoutet kun er i vejen.
Ofte stillede spørgsmål om PDF til tekst
Hvorfor kan jeg ikke bare kopiere og indsætte teksten fra PDF'en?
Det kan du godt for et afsnit eller to, men når du kopierer fra en PDF-fremviser, bliver ord ofte delt ved linjeskift, spalter blandes sammen, sidehoveder havner midt i sætninger, og det virker slet ikke på scannede sider. Udtrækningen læser hele filen i læserækkefølge og kører OCR, hvor der ikke er noget tekstlag.
Hvilken tegnkodning har tekstfilen?
UTF-8, den kodning som nettet og de fleste programmer bruger som standard. Windows Notesblok gemmer nye filer som UTF-8 som standard siden Windows 10 version 1903, og macOS TextEdit, VS Code og alle browsere læser den uden at spørge. Hvis et gammelt program viser mærkelige tegn, så led efter en importindstilling, hvor du kan vælge UTF-8.
Er TXT det samme som værktøjet PDF til TXT?
Resultatet er det samme: en .txt-fil. Denne side handler om at få tekst ud til genbrug; PDF til TXT er den samme konvertering under det filendelsesnavn, som folk også søger efter.
Hvad sker der med tabeller?
Tabelceller skrives i læserækkefølge, adskilt af tabulatorer, så en tabel kan indsættes nogenlunde fint i et regneark. Hvis det er tabellerne, der er grunden til, at du konverterer, bevarer PDF til Excel rækker og kolonner i rigtige celler.
Kan jeg få teksten med markerede overskrifter?
Almindelig tekst kan ikke markere en overskrift. Vælg Markdown under Konvertér til, hvis du vil have overskrifter, lister og fed tekst markeret med enkle symboler og stadig have en tekstfil.
Virker tekstudtræk fra en scanning også på håndskrift?
OCR er lavet til trykt tekst. Pæne blokbogstaver bliver ofte læst, men skråskrift er ikke pålidelig. Indtastede eller trykte scanninger i 300 dpi giver det bedste resultat.
| PDF til Markdown | PDF til Word | PDF til EPUB |
| TXT til PDF | Billede til tekst | HTML til TXT |
